英文全称是(Mean Average Precision)，是综合衡量检测效果的核心指标，其计算基于 IoU、精确率（Precision）和召回率（Recall）。

这是判断眼睛是否闭合的关键依据。

myutils.py。

Torch 是一个开源的机器学习框架，最初由纽约大学和 Facebook 的人工智能研究团队开发。它基于 Lua 编程语言，专注于提供高效的数值计算和深度学习功能。Torch 的核心是一个名为torch的库，支持张量计算、自动微分和 GPU 加速。torchaudio是PyTorch生态系统中的音频处理库，专门为深度学习任务设计。它提供高效的音频加载、预处理、特征提取等功能，并与PyTorch的张

线性回归是利用数理统计中回归分析，来确定两种或两种以上间的定量关系的一种统计分析方法：包含因果关系和平行关系：回归分析（原因引起结果，需要明确自变量和因变量）：相关分析（无因果关系，不区分自变量和因变量）

逻辑回归是一种用于的统计方法，尽管名称中包含"回归"，它通过将线性回归的输出映射到，将预测值转换为概率值（0到1之间），从而进行分类决策。逻辑回归的核心目标是：。

决策树是一种直观且易于解释的，广泛应用于分类和回归任务。它通过模拟人类决策过程，将复杂问题拆解为一系列简单的判断规则，最终形成类似 “树” 状的结构。以下从基础概念、原理、算法类型、优缺点及应用场景等方面展开详细介绍。

''' 定义神经网络 类的继承这种方式'''nn.ReLU(),nn.ReLU(),nn.ReLU(),nn.ReLU(),nn.ReLU(),nn.ReLU(),模型结构说明：输入1*28*28（64 张图片作为一个批次。故 64*1*28*28）conv1（一维）：卷积 + ReLU + 池化 → 输出 16*14*14conv2（二维）：多层卷积 + ReLU + 池化 → 输出 32*7*

全称（K-Nearest Neighbors），通过寻找k个距离最近的数据，来确定当前数据值的大小或类别，是机器学习中最为简单和经典的一个算法。

解决回归问题的决策树模型你就是回归树回归树是一种基于决策树的监督学习算法，用于解决回归问题。通过递归地将特征空间划分为多个子区域，并在每个子区域内拟合一个简单的预测值（如均值），实现对连续目标变量的预测。